Optimierung von Cloud-Workloads bietet einen einzigartigen Zugang zur Verbindung hochmoderner DevOps-Prinzipien mit tiefgehender Automatisierung und intelligenter Cloud Computing-Strategie in komplexen Cloud-Architekturen. In diesem Kurs wird der gesamte Lebenszyklus von Cloud-Infrastrukturen anhand führender Frameworks wie AWS, Azure, Kubernetes, Docker und Infrastructure as Code-Lösungen (z. B. Terraform, Ansible) greifbar gemacht. Wesentliche Schwerpunkte sind Continuous Integration, Continuous Deployment, Security und Observability. Sie lernen, Cloud Engineering und Cloud Security systematisch in Ihre DevOps-Workflows zu integrieren. Besonderes Augenmerk liegt auf skalierbarer CI/CD, Microservices, Serverless und Netzwerkoptimierung im produktiven Cloud-Umfeld unter Berücksichtigung realer Betriebsanforderungen.
Grundlagen und Kernkonzepte- Detaillierte Einführung in Cloud Computing, Cloud Infrastructure und Cloud Architecture für DevOps
- Unterschiedliche Deployment-Modelle: Hybrid, Public, Private und Multi-Cloud
- Übersicht zu Infrastructure as Code (Terraform, Ansible) und Versionierung mit GitOps
- Bedeutung und Umsetzung von Monitoring, Logging und Observability in Cloud-Umgebungen
- Schlüsselkonzepte zu Automatisierung, SRE und Linux-Basics für cloudbasierte Infrastrukturen
- Cloud Security und Netzwerksicherheit im Kontext von Virtualization und Microservices
Technische Implementierung und Praxis
- Schrittweise Implementierung von CI/CD-Pipelines mit Jenkins und GitOps-Techniken
- Aufbau, Verwaltung und Skalierung von Kubernetes-Clustern, Containerisierung mit Docker
- Automatisierte Bereitstellung und Verwaltung von Cloud Infrastructure durch Infrastructure as Code
- Integration von Monitoring-Tools, Logging-Strategien und Performance Metriken
- Python-Skripting zur Automatisierung komplexer DevOps-Workflows
- Absicherung von Cloud-Workloads durch Multi-Faktor-Authentifizierung und Security Auditing
- Verwaltung von Serverless-Architekturen, Optimierung für Skalierbarkeit und Kostenkontrolle
Analyse, Interpretation und Validierung
- Methoden zur Erfolgsmessung von Cloud Engineering-Maßnahmen mit Observability-Lösungen
- Verwendung von Cloud-übergreifendem Monitoring und automatisierter Alarmierung
- Interpretation von Cloud Security-Reports und Compliance-Anforderungen
- Analyse von Netzwerk-Traffic und Fehlerquellen in Kubernetes-Produktionsumgebungen
- Logging-Analysen zur Qualitätssicherung und Kapazitätsplanung
Praxisprojekte, Fallstudien und Vertiefung
- Aufbau und Optimierung realer DevOps-Prozesse mit Cloud Computing, Microservices und CI/CD
- Fallstudien zu Skalierungsstrategien und Ausfallsicherheit für Cloud-Infrastrukturen
- Kontinuierliche Integration neuer Technologien wie Serverless und Cloud Security-Trends
- Entwicklung und Umsetzung von Observability- und Monitoring-Konzepten in produktiven Szenarien
- Erweiterte Projektarbeit zu Infrastructure as Code, Networking und Cloud Architecture